争锋AI新基建!全球人工智能与机器人峰会成功举办

峰会现场。

中国工程院院士、鹏城实验室主任高文教授做线上报告。

南京大学人工智能学院院长周志华作主题报告。

安讯(宝安日报记者 杨文静 文/图)8月7日-9日,2020全球人工智能和机器人峰会(下称CCF-GAIR2020)在宝安前海万豪成功举办。CCF-GAIR2020峰会由中国计算机学会(CCF)主办,香港中文大学(深圳)、雷锋网联合承办,鹏城实验室、深圳市人工智能与机器人研究院协办。从2016年的学产结合,2017年的产业落地,2018年的垂直细分,2019年的人工智能40周年,峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台。

2020年,人工智能圈经历了疫情之下的艰难与阵痛,却也迎来了十年一遇的时代机遇“新基建”,一场庞大的国运变革蓄势待发。如何紧跟技术变迁和行业发展大势,AI学术基础与产业落地未来如何发展,都将是以“AI新基建,产业新机遇”为主题的CCF-GAIR2020峰会着重讨论的议题。

在CCF-GAIR2020峰会的开幕仪式上,中国计算机学会(CCF)副理事长、华中科技大学计算机科学与技术学院教授金海发表致辞表示,CCF-GAIR大会面向人工智能领域,科技界、应用界和产业界的专业人士,旨在促进人工智能学术成果,新技术的交流、普及和应用,打造一个交流平台,促进科技成果向现实生产力的转化,促进产业的发展。今年大会主题是“AI新基建、产业新机遇”,一方面,是希望在大会举办5周年之际,在前几年大会讨论产学结合、产业落地和垂直细分的基础上,做一个系统的总结和回顾;另一方面,前几年AI落地情况下,大会从人工智能基础研究出发,推动人工智能更多的应用、更多的可能,在更多领域的落地。

围绕着AI新基建,CCF-GAIR2020峰会共设包括AI前沿专场、机器人前沿专场、前沿语音技术专场、联邦学习与大数据隐私专场、AI芯片专场、智能驾驶专场、AIoT专场、智慧城市“新基建”专场、企业服务专场、工业互联网专场、AI金融专场、视觉智能·城市物联专场、医疗科技专场、AI+艺术专场、AI源创专场在内的15个AI专场。

除此之外,为了纪念黄煦涛教授对华人计算机视觉领域的卓越贡献,CCF-GAIR2020大会特别开设“计算机视觉之父黄煦涛纪念专场”,本专场将邀请黄煦涛教授的生前好友和学术弟子齐聚一堂,来回忆、总结并探讨黄煦涛教授在学术生涯中的轶事、学术成就和学术贡献,以此来纪念这位学术前辈。此外,活动还举办旨在为企业在智能时代转型升级提供新思路的“鲸犀×腾讯‘千帆计划’数字产业沙龙”。

此次峰会阵容强大,邀请到来自中国科学院、中国工程院、加拿大工程院的多位院士以及来自香港中文大学(深圳)、清华大学、北京大学、中国科学技术大学、浙江大学、上海交通大学、西北工业大学、南京大学、中山大学、北京航空航天大学、北京语言大学、中央美术学院等知名学府的专家学者;企业方面,峰会邀请到来自微软、英特尔、阿里巴巴、腾讯、华为、百度、京东、小米、美团、滴滴、地平线、优必选、云天励飞、澎思科技等企业的首席科学家、技术VP。

■延伸阅读

城市大脑的“痛点”与“突破”

此次峰会之上,中国工程院院士、鹏城实验室主任高文教授在线上为与会者们带来了一场精彩纷呈的开场报告。他以《城市大脑2.0-边端云处理分工的人工智能赋能系统》为题,谈到了以云为中心的城市大脑1.0及其现状。为解决现存问题,设计一个新的城市大脑——城市大脑2.0彰显出了必要性。

高文教授介绍,城市大脑1.0是一个以云计算为核心的系统,由于系统各部分之间没有很好的分工协调机制,使得系统成本高、响应速度慢、数据的可利用性低。

在他看来,城市大脑2.0是一个端边云分工协调的混合系统架构,可以有效解决城市大脑1.0的大部分问题。

城市大脑2.0的核心在于数字视网膜及其标准化,它相较城市大脑1.0具备四大方面的性能提升:1、它有先进视频编码技术:节省存储和带宽50%以上;2、它可以定制ASIC边缘计算:节省云计算资源90%以上;3、它能在原始图像上特征提取:低延时和高精度;4、它还可以做标准化特征的提取,存储和复用:显著提升信息密度和价值。

南京大学人工智能学院院长周志华从当前最大的人工智能模型GPT-3出发,谈到当前人工智能模型在工业领域的突破主要是依赖强大的算力和大数据的支撑,但这背后需要大量的资金投入;而从学术界的角度,应该回到本源,做一些探路性质和思考未来的工作。

周志华表示,当今的人工智能热潮是由于机器学习,特别是其中的深度学习技术取得巨大进展,在大数据、大算力的支持下发挥出巨大的威力。机器学习算法模型用了更多数据和算力后,获得的性能增长可能远超算法模型设计者的预想。但是,把模型“做大”要付出高昂的成本代价。

因此,他认为,在人工智能研究上,学术界和工业界适宜有不同的分工:把“对性能的追求”交给工业界,学术界回到本源,做“探路”和“思考未来”的事情。

如何将“机器学习”与“逻辑推理”相结合,是人工智能领域的“圣杯问题”,以往的努力有的是“重推理”,有的是“重学习”,另一侧未能充分发挥力量。周志华教授提出了“反绎学习”,希望在一个框架下让机器学习和逻辑推理二者能更均衡更充分地发挥效用。

他说道,“现在都知道人工智能技术发挥作用需要数据、算法和算力这三要素,未来需要把知识这个要素也考虑进来。知识凝聚了人的智慧。过去十几年,我们都是从数据驱动的角度来研究人工智能,现在是时候把数据驱动和知识驱动结合起来了。”



[责任编辑:谢莹]

图片新闻更多+

街道新闻更多+